ANALYTICS DATA Y LA ESTADISTICA

ESTUDIANTE:

CRISTIAN HERNANDEZ PADILLA – T00038349

PRESENTADO A:

ENRIQUE DE LA HOZ DOMINGUEZ

MATERIA:

CONTROL DE CALIDAD

FECHA
16/11/2018
 ANALYSTICS DATA Y LA ESTADISTICA

Los analytycs son el análisis de ingentes cantidades de datos acumulados para extraer patrones de
comportamiento, y se caracteriza principalmente por la velocidad en que se genera, volumen que
representa, inmensa variedad de tipologías, grado de veracidad que posee, lo cual esto puede
ayudar a mejorar la toma de decisiones en las distintas compañías.

Los diferentes tipos de analytics que podemos encontrar son:

 Análisis de decisiones: Admite decisiones humanas con análisis visuales que el usuario
modela para reflejar el razonamiento.
 Análisis descriptivo: Obtiene información de los datos históricos con informes , cuadros de
mandos, agrupación en clústeres , etc.
 Análisis predictivo : Emplea el modelo predictivo usando estadísticas y de aprendizaje
automático técnicas.
 Analítica Prescriptiva : Recomienda decisiones usando optimización, simulación, etc.
 Análisis de decisiones: admite decisiones humanas con análisis visuales que el usuario
modela para reflejar el razonamiento.
 Análisis descriptivo: Obtiene información de los datos históricos con informes , cuadros de
mandos, agrupación en clústeres , etc.
 Análisis predictivo : Emplea el modelo predictivo usando estadísticas y de aprendizaje
automático técnicas.
 Analítica Prescriptiva : Recomienda decisiones usando optimización, simulación, etc.

Lo importante no son los datos, sino las conclusiones que se obtienen al analizarlos. No hay duda
de que el analytics es una herramienta muy útil para detectar correlaciones, especialmente
correlaciones sutiles que pueden perderse al analizar conjuntos de datos más pequeños, pero
¿qué limitaciones tiene? ¿Para qué no sirve este?

 La primera de ellas es que no permite detectar comportamientos individuales o

minoritarios que se salgan de la media, sino tendencias y patrones. Dicho de otra forma,
no es capaz de encontrar una aguja en un pajar, aunque sí podría decirnos qué longitud y
tonalidad tienen la mayoría de los trozos de paja.

 Una segunda limitación de este es que puede detectar correlación, pero no causalidad. El
riesgo de correlaciones espurias, es decir, de asociaciones estadísticamente robustas que
ocurren por casualidad, aumenta cuanto mayor sea la cantidad de datos que se analice.

 los grandes conjuntos de datos contienen una gran cantidad de ruido, es decir,
información inútil e irrelevante, y a veces hasta engañosa, que está creciendo a un ritmo
más rápido que los datos realmente válidos.

 los resultados de los análisis tienen un período de validez determinado, debido a que los
datos en los que se basan siguen cambiando y es necesario reanalizarlos para tener en
cuenta dichos cambios.
La toma de datos que genera esta herramienta nos puede ayudar mucho en los roles la cual nos
puede ayudar mucho en la gestión empresarial, las cuales son:

 Conseguir clientes, fidelizarlos y retenerlos: saber quiénes son los mejores clientes,
conocer el modo de mantenerlos satisfechos y, aún más importante, averiguar dónde
encontrar más como ellos es una cuestión de análisis. Los grandes datos reúnen toda esta
información, conteniendo los fundamentos básicos sobre identidad de usuarios y clientes,
motivaciones y aspiraciones.

 Transformar los procesos de negocio: acceso en tiempo real a información fiable

sobretodos los aspectos de su negocio, disponer de la visibilidad, comprensión y control
sobre el desempeño financiero o medir, monitorizar y ajustar resultados empresariales de
forma más eficiente es algo al alcance de unos pocos.

 Gestionar el riesgo. : es un hecho, el riesgo estratégico causa el 68% de disminución de la

capitalización de mercado. Y esto se puede saber mediante la identificación proactiva que
se lleva a cabo con analytics ya que mejora la comprensión del alcance del riesgo y su
gestión.

 Crear nuevos procesos de negocio: Evitar que la competencia progrese más y más rápido
y apoyar la cultura de pensamiento y la exploración innovadora de su organización son dos
aspectos muy relacionados. Con la analítica avanzada de grandes datos se exploran las
opciones estratégicas que potencian el crecimiento del negocio, utilizando nuevas
perspectivas.

 Maximizar el autoconocimiento: Mejorar la confianza, optimizar el balance. ofrecer

una visión única y completa, optimizar procesos, ganar en agilidad y aumentar los niveles
de seguridad son algunas de las metas de las empresas hoy día. Lograrlo a la vez que se
lidera la creación de nuevo valor para el negocio mediante la optimización del análisis de
grandes datos para la penetración de mercados más rápida a un coste inferior.

 Confirmando el impacto de las políticas de RRHH en sus empleados: medir con

rigurosidad cómo afectan las decisiones que se toman desde las áreas de gestión de las
personas en éstas en términos de satisfacción y productividad.

La toma de decisiones es importante en situaciones donde hay incertidumbre acerca de los

factores pertinentes para las decisiones puesto que se basa en la experiencia de la persona
que tiene que tomar la decisión y se presenta cuando no se puede predecir el futuro en
función de las experiencias pasadas (normalmente va asociado con muchas variables
incontrolables). En este tipo de decisiones no se conoce como pueden variar o interactuar las
diferentes variables del problema por lo que hay que plantear las diferentes alternativas para
 la solución. Pero muchas cosas que pueden afectar la toma decisiones bajo incertidumbre la
cual es la intuición puesto que esta nos puede llevar a suprimir una parte de la información y
producen decisiones sesgadas.

La mayoría de las técnicas que se basa esta herramienta son estadísticas puesto que aquí se
incluyen los modelos explicativos y predictivos. Por lo tanto debemos saberla importancia y
porque debemos aprender estadística.

En el libro de los “retos de la cultura estadística” de Carmen batanero nos dice que importante
estudiar estadística porque esta nos proporciona herramientas metodológicas generales para
analizar la variabilidad, determinar relaciones entre variables, diseñar en forma óptima estudios
experimentos, mejorar las predicciones y la toma de decisiones en situaciones de incertidumbre.

Estas herramientas nos sirven mucho puesto que:

 Que quienes precisan adquirir la capacidad de lectura e interpretación de tablas y gráficos

estadísticos que con frecuencia aparecen en los medios informativos.
 Ayuda a comprender los restantes temas del currículo, tanto de la educación obligatoria
como posterior, donde con frecuencia aparecen gráficos, resúmenes o conceptos
estadísticos.

Lo cual en mi opinión estoy de acuerdo porque la estadística es un potente auxiliar de muchas

ciencias y actividades como la sociología, psicología, geografía humana, economía etc. Lo cual lo
hace una herramienta indispensable para la toma de decisiones. También es altamente empleada
para mostrar los aspectos cuantitativos de una situación. Y a la vez está relacionada con el estudio
de procesos cuyo resultado es más o menos imprevisible y con la forma de obtener conclusiones
para tomar decisiones para tomar decisiones razonables de acuerdo con tales observaciones. El
resultado del estudio de dichos procesos, denominados procesos aleatorios, puede ser de
naturaleza cualitativa o cuantitativa y, en este último caso, discreta o continua

Las principales consideraciones que se tienen que tener en cuenta para hacer un análisis de datos
son las siguientes

 Defina bien su problema.

 Conozca sus datos.
 Identifique el set de datos ideal.
 Haga su análisis reproducible.
 Rete su análisis.
 Presente su análisis en formatos multiplataforma.
 BIBLIOGRAFIA

 https://hbr.org/2014/05/an-introduction-to-data-driven-decisions-for-managers-who-
dont-like-math
 https://en.wikipedia.org/wiki/Business_analytics
 https://www.ugr.es/~batanero/pages/ARTICULOS/CULTURA.pdf
 https://blog.es.logicalis.com/analytics/en-que-consiste-big-data-analytics-y-como-
beneficia-a-tu-empresa
 http://arantxa.ii.uam.es/~epulido/bigdata.pdf